
Mozilla基金会于当地时间本周一任命其前首席营销官克里斯·比尔德(Chris Beard)成为董事会成员,并命其担任该组织新任临时首席执行官,作为带领该非营利组织渡过当前这一时期的正确人选。
Mozilla基金会表示,比尔德已为 Mozilla基金会工作多年,作为该公司首席营销官,负责监理产品、创新和营销工作,包括两款关键Mozilla产品的推出——Android版火狐和 火狐OS移动操作系统。此外他在2004年还负责了Mozilla Firefox 1.0的发布,正是这款产品给Mozilla带来了随后的成功。
Mozilla基金会主席米歇尔·贝克尔 (Mitchell Baker)在一份博文中表示:“在这个过渡时期,没有更合适的人选可以来领导我们。关于如何担当Mozilla基金会的使命并将其转化成项目、活动和产 品理念,克里斯是我所见过的对此有着最清晰愿景的人之一。”同时她认为比尔德也是一名强有力的正式CEO候选人竞争者。
比尔德并不仅仅是Mozilla基金会的一名内部 成员,他同时还是风险投资公司Greylock Parners的一名驻企高管。此外,这家风险资本公司还雇佣了Mozilla基金会董事会成员雷德·霍夫曼(Reid Hoffman)和前任Mozilla基金会首席执行官兼董事会成员约翰·李利(John Lilly) 。
在比尔德被任命的同时,该组织还宣布将正式物色其 永久CEO,并扩大董事会,这标志着Mozilla基金会正试图结束这段非常困难的时期,开始起新的篇章。不到两周前,该组织前任CEO布兰登·艾克 (Brendan Eich)因其反对同性恋婚姻的立场引发众多反对之声,在他担任Mozilla基金会CEO一职11天后宣布了辞职。
艾克之所以会在Mozilla基金会遭到激烈批 评,是因为他曾在2008年向加州反对同性恋婚姻的提案捐赠了1000美元。Mozilla基金会自成立以来便遵循允许其网站用户保持立场原则,并保证对 所有人开放。但最近该组织发现,由于日益激烈的同性婚姻运动使得Mozilla和Firefox成为众矢之的,该组织正处于被迫防御状态。艾克在接受 CNET采访时表示,他担心火狐本身可能会成为一个牺牲品。
猎头公司Hanold Associates管理合伙人杰森·哈诺德(Jason Hanold)表示,他认为Mozilla最终需要一名外部人士担任其CEO。
哈诺德表示:“Mozilla这次物色CEO必须采取不同于上一次的策略,这意味着该组织需要从外部着眼,引入一名久经考验、在科技行业知名的CEO。新的篇章要开始于一个新的领导者,这个领导者对这个组织而言应该是全新的,包括信仰。”
艾克在1998年与贝克尔一起创立了Mozilla基金会,但他在4月3日离开了Mozilla基金会。他在2008年的捐赠成了那些呼吁他下台的批评人士的引雷针,最终迫使他不得不辞去其CEO的职务。
实际上在承认Mozilla基金会董事会对此危机也负有一定责任后,该组织表示将增加更多的董事会成员。
贝克尔表示:“我们打算以近期发生的事件为催化剂 来发展并扩大Mozilla的领导团队。任命克里斯为临时CEO便是我们在这个过程中迈出的第一步。下一步我们将为CEO人选制定长期计划,并将增加能够 帮助Mozilla走向成功的董事会成员,继续努力挑选更加富有潜力的Mozilla领导者。”
Mozilla基金会的员工或许也非常渴望开始新的篇章,他们还在推特上对其新任首席执行官予以致敬。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。